img
share 分享

机器学习：Python实践

作者：魏贞原

出版社：电子工业出版社

ISBN：9787121331107

VIP会员免费 （仅需0.8元/天） ¥ 35.4

温馨提示： 价值40000元的1000本电子书，VIP会员随意看哦！

电子书推荐

更多资源 展开

Python机器学习实战 评分:

目　录 第一部分　分类 第1章　机器学习基础　　2 1.1 　何谓机器学习　　3 1.1.1 　传感器和海量数据　　4 1.1.2 　机器学习非常重要　　5 1.2 　关键术语　　5 1.3 　机器学习的主要任务　　7 1.4 　如何选择合适的算法　　8 1.5 　开发机器学习应用程序的步骤　　9 1.6 　Python语言的优势　　10 1.6.1 　可执行伪代码　　10 1.6.2 　Python比较流行　　10 1.6.3 　Python语言的特色　　11 1.6.4 　Python语言的缺点　　11 1.7 　NumPy函数库基础　　12 1.8 　本章小结　　13 第2章　k-近邻算法 　　15 2.1 　k-近邻算法概述　　15 2.1.1 　准备：使用Python导入数据　　17 2.1.2 　从文本文件中解析数据　　19 2.1.3 　如何测试分类器　　20 2.2 　示例：使用k-近邻算法改进约会网站的配对效果　　20 2.2.1 　准备数据：从文本文件中解析数据　　21 2.2.2 　分析数据：使用Matplotlib创建散点图　　23 2.2.3 　准备数据：归一化数值　　25 2.2.4 　测试算法：作为完整程序验证分类器　　26 2.2.5 　使用算法：构建完整可用系统　　27 2.3 　示例：手写识别系统　　28 2.3.1 　准备数据：将图像转换为测试向量　　29 2.3.2 　测试算法：使用k-近邻算法识别手写数字　　30 2.4 　本章小结　　31 第3章　决策树 　　32 3.1 　决策树的构造　　33 3.1.1 　信息增益　　35 3.1.2 　划分数据集　　37 3.1.3 　递归构建决策树　　39 3.2 　在Python中使用Matplotlib注解绘制树形图　　42 3.2.1 　Matplotlib注解　　43 3.2.2 　构造注解树　　44 3.3 　测试和存储分类器　　48 3.3.1 　测试算法：使用决策树执行分类　　49 3.3.2 　使用算法：决策树的存储　　50 3.4 　示例：使用决策树预测隐形眼镜类型　　50 3.5 　本章小结　　52 第4章　基于概率论的分类方法：朴素贝叶斯 第5章　Logistic回归 第6章　支持向量机 第7章　利用AdaBoost元算法提高分类 第二部分　利用回归预测数值型数据 第三部分　无监督学习

...展开详情
上传时间：2015-10 大小：9.92MB
公告
热门图书